本报告基于卡尔曼滤波模型对公募基金日频持仓和调仓行为进行动态估计,推出三类量化选股策略(拟合数值、次数和个数比例策略),并在不同基金类型及行业划分情景下进行回测。结果显示,组合型基金及分行业策略中个数比例策略表现最优,年化超额收益稳定在约9%以上。策略适应性强,能捕捉基金资金流向,提供稳定α收益机会,并对策略换手率、市值分布等特征进行了详细分析.
报告标题:量化选股基于卡尔曼滤波的仓位预测选股策略
发布机构:山西证券股份有限公司金融工程研究团队
日期:2024年3月29日
分析师:黎鹏
报告主题:以卡尔曼滤波模型构建基金持仓状态估计及基于该模型的量化选股策略研究,涵盖普通股票型基金、偏股混合型基金、灵活配置型基金、指数型基金和组合型基金的策略回测与比较。
该报告核心在于应用卡尔曼滤波方法对公募基金持仓状态进行实时估算,克服传统回归模型在多重共线性和行业联动导致的拟合偏差,并以基金重仓股为因子,结合基金实际日净值与股票日收益,展开基于基金资金流向的量化选股策略设计及回测。报告提出三种基于卡尔曼滤波模型输出进行股票筛选的策略(拟合数值、次数和个数比例策略),并在不分行业和分行业两大情景下对多类型基金进行了详细的收益与风险回测分析。核心发现包括:
报告从模型原理、具体建模、策略设计、细分基金策略表现、组合型基金优势、其他技术尝试到风险提示覆盖全面,利于理解基金调仓行为与择股决策之间的关联,1,5-39]。
基于卡尔曼滤波预测出的股票因子变化设计三种基本策略:
拟合数值策略:累计各基金某股票因子数值,取前10%正值股票等权构建。
次数策略:统计因子为正的天数,取次数最多前10%股票等权构建。
个数比例策略:统计持有该股票基金中买入比例,取比例最高前10%等权构建。
在不分行业和分行业两种情景下分别进行选股。
指数型基金表现弱,因其投资目标为跟踪指数,缺乏足够α空间。
报告主要围绕基于卡尔曼滤波的投资组合构建,开展统计与回测,未涉及直接市值估值模型(如DCF、PE等)。其重点估值为基于策略收益表现的相对表现,包括年化回报率、超额收益、最大回撤及风险调整指标信息比率。
通过种类繁多的策略回测及多维度对比,结合换手率、组合市值结构,报告建立了量化选股策略体系的多维风险收益评估框架,未执行传统估值分析,而是集中在模型效果的实证测试与收益效率验证[page::全局]。
报告明确风险提示:
该研究报告系统地构建并验证了基于卡尔曼滤波的公募基金持仓状态估计模型,通过基金日净值与季度前十大重仓股收益拟合,成功实现基金持仓动态估计。基于此模型,从资金流方向提出三种普适量化选股策略:拟合数值策略、次数策略和个数比例策略,在不分行业与分行业两大情景下进行深入回测。
重要洞见:
总体,基于卡尔曼滤波的仓位预测为基金调仓行为的量化捕捉提供了一种新的范式,相关策略具有较强实证效果和应用潜力。报告通过详实数据、丰富图表和科学逻辑,为量化选股领域贡献了创新思路,对于量化研究者和资产管理机构具有较高的参考价值。
附注:所有结论及数据均参照原文报告各页信息,图表均按原文目录进行详细解读。
本分析保证信息完整性、条理清晰和专业性,以便于投资与研究人员深刻理解报告技术细节与投资实务意义。
量化选股:基于卡尔曼滤波的仓位预测选股策略.pdf